縮短生物工藝開發時間并提高效率，釋放混合建模和工藝強化的力量

Thomas Zahel，Nawaz Mohammad

柯爾柏醫藥科技

生物工藝開發瞬息萬變，在保證產品質量和工藝效率的同時，加速工藝開發是當務之急。這不僅有助于降低藥品銷售成本（Cost of goods sold，COGS），還可以使患者更快地獲取藥物，實現雙贏。當今市場對挽救生命的藥物的需求不斷增加，因此越來越多的先進的工具和技術被應用于藥品生產工藝的開發之中，人們采用了各種創新的方法，力圖加快開發的速度。本文展示了其中一種方法——動態建模，它可以減少實驗次數，從而加速工藝開發。

1 充分利用所有數據

參見圖1A 中的上游批量發酵或圖1B 中的制備色譜圖：大多數執行的工藝生產步驟都具有“時間動態（timedynamic）”的特性，如發酵的最終產品數量或色譜制備環節的雜質池濃度，這些最終特征值是時間演變的結果?？梢岳弥T如柯爾柏的維隆PAS-X Savvy 這樣的工具分析和處理一段時間內來自不同數據源的數據并識別趨勢，并在其基礎上預測最終特征。通過使用濾波器（如卡爾曼濾波器）耦合的預測，可以增加最終特征值的精度，并因此增加識別臨界效應的統計功效；或者相反，可減少識別這種臨界效應所需要的實驗次數。這便是動態建?？梢詼p少實驗數量并加速工藝開發的第一大原因。

圖1 大多數執行的工藝生產步驟都具有“時間動態”的特性

2 作為主力工具的動態和混合建模

顧名思義，混合建模（hybrid modelling）是機理模型和數據驅動模型的結合，并且模型基于數據學習機理，更加靈活?；诘谝恍栽淼臋C理模型，也稱為“白箱”，能夠解釋所涉及的潛在生物和化學現象。通常，生物制藥生產中使用的模型都不是純粹基于第一性原理的，因為反應機制和結合機制不是根據第一性原理獲知的。所有這些所謂的“機理模型”都是基于經驗方程，如莫諾動力學（Monod kinetics），來評估反應機制的。數據驅動模型則是基于工藝過程中所產生的實驗數據建立的。

典型的混合模型工作流，由兩個部分組成：

·使用經驗性信息（即數據驅動方法）估算特定反應速率；

·將上述這些估計值輸入到機理模型中進行進一步分析/處理，如圖2所示。

圖2 典型的混合模型結構

因此，混合模型可以利用機理模型和黑箱模型（即數據模型）的組合效應，更好地洞察整個工藝過程，從而產生穩健且高度可預測的模型。

3 工藝強化技術（Process intensification）

所有系統均由兩種類型的變量組成：

· 工藝參數：可隨時間控制的工藝參數（如溫度、進料量、洗脫梯度等）；

· 狀態值：任何受工藝參數影響的結果（活細胞密度VCD、細胞活率、效價、代謝產物、雜質洗脫譜圖等）。

于是，基于給定初始條件（如初始活細胞密度VCD、代謝物等）和隨時間變化的可控工藝參數，就可以預測狀態值。

如果想隨著時間的推移改變工藝參數，如進料曲線，則需在經典線性回歸中引入多個周期[如實驗設計（Design of Experiments，DoE）]。這也被稱為時間序列的展開，如圖3 所示。在經典的DoE 設定中，需要比模型中的效應多一次運行；因此，如果想將所有周期的影響都納入模型中，至少需要n+1次運行，其中n 是周期的數量。如果假設每個周期是獨立的，即從一個周期到另一個周期過程中，沒有影響下一周期的機理關系的記憶效應，則只需要一次運行來校準動態模型。

圖3 時間序列數據的展開

4 協同作用：將動態建模和工藝強化相結合，加速工藝開發

通過上述介紹，我們了解了動態建模和工藝強化技術的優勢，接下來有必要將這兩種方法結合起來，并利用二者的潛力來取得更大的效果：制定一個能大幅縮短工藝開發時間的體系，從而更快地向患者提供藥物。

為了建立這個體系結構，我們在圖4 中描述了通用工作流程所需要遵循的步驟。

圖4 將混合模型和工藝強化結合在一起，加快早期工藝開發的通用工作流程

第一步，數據收集與預處理，主要包括以下內容：

·總體數據集：收集建模所需要的工藝參數和狀態值的數據；

·數據清理：確保數據準確、相關，并檢查潛在的異常值；

·借助PAS-X Savvy 這樣的計算機化系統平臺，能夠大幅減少人工收集數據的工作；同時，借助系統的數據標記與過濾功能，可以對大量外部數據實現統一的自動清理和標記，將原始數據轉變為可用信息。

第二步，實施數據驅動技術，具體內容如下：

· 模型訓練和驗證：利用PAS-X Savvy 等計算機系統平臺的建模功能以及普通最小二乘（Ordinary Least Square，OLS）、人工神經網絡（Artificial Neural Networks，ANN）等多樣的算法建立一個良好的預測模型，將反應速率描述為狀態值和工藝參數的函數。

第三步，開發機理模型，主要包括以下內容：

·參數估計：使用先前步驟中經過標記和清理的數據驅動計算機系統模型來估計機理模型的參數，如特定增長率、產物生成速率等；

·模型集成和驗證：將上述估計參數集成到機理模型中，并通過數據驗證模型，以獲得更好的預測效果和準確性。

第四步，通過工藝強化技術進行集成和優化，具體內容如下:

·初始混合模型：使用實驗數據運行該混合模型，并檢查模型的預測效果和準確性；

·工藝強化：優化混合模型，特別關注可能提高模型整體可預測性的參數組合。

第五步，迭代改進（交互式完善），主要包括以下內容：

·反饋循環（Feedback loop）：執行迭代程序，用其中混合模型的預測結果指導后續實驗；

·持續優化：以結果為基礎，逐漸提高混合模型的精確度和有效性。

5 結論：加速生物工藝開發的未來

當下，無論是工藝開發還是商業化生產，都需要爭分奪秒。為了縮短早期工藝的開發時間，通過機理建?；蛘呋旌辖＿M行動態建模是一個很有前景的解決方案。通過利用工藝強化技術來簡化實驗，并將其與混合模型得出的直觀結果相結合，研究人員可以在生物工藝開發中獲得令人驚嘆的效率。這種結合不僅顯著縮短了開發時間，還能夠確保開發出穩健、可擴展和可優化的工藝，從而盡可能地提高產量。通過使用PAS-X Savvy 這樣的數據管理與分析平臺技術，能夠對工藝開發和模型訓練階段的全部數據有效地進行管理，為后續的風險分析以及追溯提供堅實的基礎。隨著生物工藝行業的不斷發展，采用這些創新技術將是保持競爭優勢的關鍵，也是開創快速高效生物工藝產品開發新時代的關鍵。